CN113609281A - 基于dikw图谱的意图识别方法及装置 - Google Patents

基于dikw图谱的意图识别方法及装置 Download PDF

Info

Publication number
CN113609281A
CN113609281A CN202110908743.9A CN202110908743A CN113609281A CN 113609281 A CN113609281 A CN 113609281A CN 202110908743 A CN202110908743 A CN 202110908743A CN 113609281 A CN113609281 A CN 113609281A
Authority
CN
China
Prior art keywords
resources
resource
knowledge
relationship
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110908743.9A
Other languages
English (en)
Other versions
CN113609281B (zh
Inventor
段玉聪
胡婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hainan University
Original Assignee
Hainan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hainan University filed Critical Hainan University
Priority to CN202110908743.9A priority Critical patent/CN113609281B/zh
Publication of CN113609281A publication Critical patent/CN113609281A/zh
Application granted granted Critical
Publication of CN113609281B publication Critical patent/CN113609281B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种基于DIKW图谱的意图识别方法及装置，该方法包括：获取目标用户的用户意图及各个资源；基于各个所述资源，构建所述目标用户对应的DIKW图谱，DIKW图谱包含各个资源，各个资源之间存在包含关系和/或逻辑关系，所述DIKW图谱中的各个所述资源基于所述包含关系和/或所述逻辑关系相互连接；遍历所述DIKW图谱中各个所述资源之间连接路径，推导出所述用户意图相关的至少一个推导路径；对每个所述推导路径进行分析，获得每个所述推导路径的分析结果，各个所述分析结果为所述用户意图的识别结果。应用本发明提供的方法，通过数据、信息以及知识来实现对用户意图的分析，提高用户需求的确定性和精确性。

Description

基于DIKW图谱的意图识别方法及装置
技术领域
本发明涉及计算机应用技术领域，特别是涉及一种基于DIKW图谱的意图识别方法及装置。
背景技术
随着大数据时代的来临，通过对大量数据进行分析可以获得许多关联的信息。但往往数据分析都存在不确定性，并不能根据数据准确推导出对应的结果或结论是正确的。例如，通过大数据分析，某一款疫苗适合99％的18周岁至60周岁的人注射，那么该疫苗仅开放给该年龄段内的人群进行注射；实际上，每个人的身体条件不一样，对于超过该年龄区间的健康人群，可能也适合注射该疫苗；同样的，不同的人对疫苗的耐受程度也不同，在同一浓度疫苗下，适龄的健康人群对疫苗注射的反应可能只是发烧或者注射处微痛，但对于亚健康人群，其反应可能为恶心或眩晕等。
由此可知，仅仅只通过大数据进行分析，并不能合理确定分析的结论满足用户实际的需求，存在结论的不确定性和不精确性。
发明内容
有鉴于此，本发明提供一种基于DIKW图谱的意图识别方法，通过数据、信息以及知识来实现对用户意图的分析，提高用户需求的确定性和精确性。
本发明还提供了一种基于DIKW图谱的意图识别装置，用以保证上述方法在实际中的实现及应用。
一种基于DIKW图谱的意图识别方法，包括：
获取目标用户的用户意图及各个资源，每个所述资源包括数据资源、信息资源以及知识资源，所述用户意图为目标用户需要获取目标信息的意图；
基于各个所述资源，构建所述目标用户对应的DIKW图谱，所述DIKW图谱包含各个所述资源，各个所述资源之间存在包含关系和/或逻辑关系，所述DIKW图谱中的各个所述资源基于所述包含关系和/或所述逻辑关系相互连接；
遍历所述DIKW图谱中各个所述资源之间连接路径，推导出所述用户意图相关的至少一个推导路径；
对每个所述推导路径进行分析，获得每个所述推导路径的分析结果，各个所述分析结果为所述用户意图的识别结果。
上述的方法，可选的，所述基于各个所述资源，构建所述目标用户对应的DIKW图谱，包括：
以所述目标用户作为父节点，各个所述数据资源作为子节点，构建本体体系，所述本体体系中所述目标用户与各个所述数据资源之间存在继承结构关系，各个所述数据资源继承所述目标用户的属性；
确定至少与一个数据资源关联的意图，及各个所述意图之间的包含关系和/或逻辑关系，并基于各个所述意图之间的包含关系和/或逻辑关系，构建意图体系；
将各个所述数据资源与其相关联的意图结合，确定与每个所述数据资源相匹配的信息资源，及各个所述信息资源之间的包含关系和/或逻辑关系，并基于各个所述信息资源之间的包含关系和/或逻辑关系，构建逻辑体系；
对各个所述数据资源及信息资源进行结构化推导和演绎，获得多个知识实例；
确定每个所述知识实例对应的知识资源，并基于各个所述知识实例，确定各个所述知识资源之间的包含关系和/或逻辑关系，并基于各个所述知识资源之间的包含关系和/或逻辑关系，构建元体系；
基于所述本体体系、意图体系、逻辑体系及元体系，构成所述目标用户对应的DIKW图谱。
上述的方法，可选的，所述以所述目标用户为各个所述数据资源作为子节点，构建本体体系，包括：
确定各个所述数据资源之间的包含关系；
基于各个所述数据资源之间的包含关系，将各个所述数据资源按照其所述包含关系进行连接，并分成多个层级，每个所述层级包含至少一个数据资源；
将最高的层级中的各个数据资源作为所述目标用户的子节点与所述目标用户进行连接，构成所述本体体系。
上述的方法，可选的，所述基于各个所述知识实例，确定各个所述知识资源之间的包含关系和/或逻辑关系，包括：
基于各个所述知识资源，对各个所述知识实例进行扩展，每个已扩展的知识实例中增加与其关联的至少一个数据资源和信息资源；
基于各个所述已扩展的知识实例，确定各个所述知识资源之间的包含关系和/或逻辑关系。
上述的方法，可选的，所述对每个所述推导路径进行分析，获得每个所述推导路径的分析结果，包括：
获取所述目标用户对应的所述用户意图关联的用户信息，及所述用户信息中的各个信息参数；
构建各个所述推导路径对应的推导公式；
将各个所述信息参数输入至所述推导公式中，获得所述推导公式输出的分析结果。
一种基于DIKW图谱的意图识别装置，包括：
获取单元，用于获取目标用户的用户意图及各个资源，每个所述资源包括数据资源、信息资源以及知识资源，所述用户意图为目标用户需要获取目标信息的意图；
构建单元，用于基于各个所述资源，构建所述目标用户对应的DIKW图谱，所述DIKW图谱包含各个所述资源，各个所述资源之间存在包含关系和/或逻辑关系，所述DIKW图谱中的各个所述资源基于所述包含关系及所述逻辑关系相互连接；
推导单元，用于遍历所述DIKW图谱中各个所述资源之间连接路径，推导出所述用户意图相关的至少一个推导路径；
分析单元，用于对每个所述推导路径进行分析，获得每个所述推导路径的分析结果，各个所述分析结果为所述用户意图的识别结果。
上述的装置，可选的，所述构建单元，包括：
第一构建子单元，用于以所述目标用户作为父节点，各个所述数据资源作为子节点，构建本体体系，所述本体体系中所述目标用户与各个所述数据资源之间存在继承结构关系，各个所述数据资源继承所述目标用户的属性；
第二构建子单元，用于确定至少与一个数据资源关联的意图，及各个所述意图之间的包含关系和/或逻辑关系，并基于各个所述意图之间的包含关系和/或逻辑关系，构建意图体系；
第三构建子单元，用于将各个所述数据资源与其相关联的意图结合，确定与每个所述数据资源相匹配的信息资源，及各个所述信息资源之间的包含关系和/或逻辑关系，并基于各个所述信息资源之间的包含关系和/或逻辑关系，构建逻辑体系；
推导子单元，用于对各个所述数据资源及信息资源进行结构化推导和演绎，获得多个知识实例；
第四构建子单元，用于确定每个所述知识实例对应的知识资源，并基于各个所述知识实例，确定各个所述知识资源之间的包含关系和/或逻辑关系，并基于各个所述知识资源之间的包含关系和/或逻辑关系，构建元体系；
第五构建子单元，用于基于所述本体体系、意图体系、逻辑体系及元体系，构成所述目标用户对应的DIKW图谱。
上述的装置，可选的，所述第一构建子单元，包括：
第一确定子单元，用于确定各个所述数据资源之间的包含关系；
第一连接子单元，用于基于各个所述数据资源之间的包含关系，将各个所述数据资源按照其所述包含关系进行连接，并分成多个层级，每个所述层级包含至少一个数据资源；
第二连接子单元，用于将最高的层级中的各个数据资源作为所述目标用户的子节点与所述目标用户进行连接，构成所述本体体系。
上述的装置，可选的，所述第四构建子单元，包括：
扩展子单元，用于基于各个所述知识资源，对各个所述知识实例进行扩展，每个已扩展的知识实例中增加与其关联的至少一个数据资源和信息资源；
第二确定子单元，用于基于各个所述已扩展的知识实例，确定各个所述知识资源之间的包含关系和/或逻辑关系。
上述的装置，可选的，所述分析单元，包括：
获取子单元，用于获取所述目标用户对应的所述用户意图关联的用户信息，及所述用户信息中的各个信息参数；
第六构建子单元，用于构建各个所述推导路径对应的推导公式；
推导子单元，用于将各个所述信息参数输入至所述推导公式中，获得所述推导公式输出的分析结果。
与现有技术相比，本发明包括以下优点：
本发明提供了一种基于DIKW图谱的意图识别方法，包括：获取目标用户的用户意图及各个资源，每个所述资源包括数据资源、信息资源以及知识资源，所述用户意图为目标用户需要获取目标信息的意图；基于各个所述资源，构建所述目标用户对应的DIKW图谱，所述DIKW图谱包含各个所述资源，各个所述资源之间存在包含关系和/或逻辑关系，所述DIKW图谱中的各个所述资源基于所述包含关系和/或所述逻辑关系相互连接；遍历所述DIKW图谱中各个所述资源之间连接路径，推导出所述用户意图相关的至少一个推导路径；对每个所述推导路径进行分析，获得每个所述推导路径的分析结果，各个所述分析结果为所述用户意图的识别结果。应用本发明提供的方法，通过数据、信息以及知识来实现对用户意图的分析，提高用户需求的确定性和精确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种基于DIKW图谱的意图识别方法的方法流程图；
图2为本发明实施例提供的一种推导路径的结构示例图；
图3为本发明实施例提供的一种基于DIKW图谱的意图识别方法的又一方法流程图；
图4为本发明实施例提供的一种本体体系的结构示例图；
图5为本发明实施例提供的一种意图体系的结构示例图；
图6为本发明实施例提供的一种逻辑体系的结构示例图；
图7为本发明提供的第一实施例的示例图；
图8为本发明提供的第一实施例的另一示例图；
图9为本发明提供的第二实施例的示例图；
图10为本发明提供的第二实施例的另一示例图；
图11为本发明提供的第三实施例的示例图；
图12为本发明提供的第三实施例的另一示例图；
图13为本发明提供的第三实施例的又一示例图；
图14为本发明实施例提供的获得信息资源的示例图；
图15为本发明实施例提供的一种基于DIKW图谱的意图识别装置的装置结构图；
图16为本发明实施例提供的一种电子设备结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本申请中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明可用于众多通用或专用的计算装置环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。
本发明实施例提供了一种基于DIKW图谱的意图识别方法，该方法可以应用在多种系统平台，其执行主体可以为计算机终端或各种移动设备的处理器，所述方法的方法流程图如图1所示，具体包括：
S101：获取目标用户的用户意图及各个资源。
其中，各个所述资源包括至少一个数据资源、信息资源以及知识资源，所述用户意图为目标用户需要获取目标信息的意图。
具体的，各个资源是根据目标用户的用户信息提取的用于描述该目标对象的状态的资源。例如，用户的年龄、睡眠、心率以及体温变化等。各个资源包括至少一个数据资源、信息资源以及知识资源。
需要说明的是，各个资源可以为存在数值的数据信息及知识DIK资源，存在数值的DIK资源可将有关数值单独提出，用以进行各类计算、搜索等行为。提出的数值大致可分为三种类型：(1)数值型，表示某种事物的数量是多少；(2)区间型，表示存在用数字表示的范围；(3)布尔型，表示只有两个不同的数值，分别表示两个语义相对的事物，可用于逻辑判断。
例如，采集得到的含有数值型具体睡眠时长的各个资源，其中包括数据资源(eg.7h、Sleep time：7.5h)、信息资源(eg.Alice slept six hours today)、知识资源(eg.The average sleep time of junior high school students is 8hours)，将各个资源中的数值提出，与指标内规定中的数值进行偏移程度比较，并根据偏移程度进行排序。采集得到的含有数值型具体年龄的各个资源，其中包括数据资源(eg.18、Age：20)、信息资源(eg.Alice is 25years old)、知识资源(eg.The average age of freshmen is 18)，将各个资源中的数值提出，与指标中的连续区间进行偏离程度比较并排序。偏离程度比较方法：记指标内规定区间为(a,b)，资源中数值为Ni。采集得到的含有区间型体温变化的各个资源，其中包括数据资源(eg.(36.5,36.9)、body temperature：(36.4,37))、信息资源(eg.Alice’s body temperature is(36.3,36.6))、知识资源(eg.The body temperatureis about 36.2 to 37.2)，将各个资源中的区间提出，与指标中的连续区间进行偏离程度比较并排序。偏离程度比较方法：记指标内规定区间为(a,b)，资源中体温变化区间为(c,d)。采集得到的含有数值型心率的各个资源，其中包括数据资源(eg.75/min、heart rate：86)、信息资源(eg.Alice’s heart rate is 83)、知识资源(eg.The heart rate is about65)，将各个资源中的数值提出，与指标中布尔值真正所代表的连续区间或数值进行偏离程度比较并排序。偏离程度比较方法依靠指标中布尔值真正所代表的连续区间或数值与资源进行比较。
还需要说明的是，数据资源是关于目标用户相关信息的描述，数据本身没有任何用途和意义，主要用于表达目标用户的实体属性。实体属性可以是记录用户实体的体温、身体状况、年龄以及作息等。信息资源是被赋予了目标和意义的数据，即，在原先的数据资源的基础上赋予其实际意义，得到的就是信息资源。知识资源是被处理、组织过、应用或付诸行动的信息，例如，信息资源中表示体温为36.4℃，则用户体温经过实践，认定正常人体温在36.2℃至37.2℃之间；该知识资源用于描述各个内容之间存在的完整性抽象关系，这些关系可以总结为一条条知识规则，因此，知识资源可以通过数据资源和信息资源的推导和演绎得到。
S102：基于各个所述资源，构建所述目标用户对应的DIKW图谱。
其中，所述DIKW图谱包含各个所述资源，各个所述资源之间存在包含关系和/或逻辑关系，所述DIKW图谱中的各个所述资源基于所述包含关系及所述逻辑关系相互连接。
具体的，各个数据资源之间存在包含关系，各个信息资源之间存在包含关系和/或逻辑关系，各个知识资源之间存在包含关系和/或逻辑关系。
需要说明的是，数据信息知识及智慧(DIKW)图谱是关于数据、信息、知识和智慧的体系，其中由多个体系构成，具体包括本体体系、逻辑体系、元体系和意图体系。先通过目标用户的各个数据资源、信息资源和知识资源，构建出DIKW本体体系、逻辑体系、元体系和意图体系，获得目标用户对应的最终的DIKW图谱。
可选的，各个资源之间存在包含和/或逻辑关系，在本体体系、逻辑体系、元体系以及意图体系中，每个资源中的数据资源、信息资源和知识资源被表示为节点，根据资源间关系确定不同节点之间的连接方式。包含关系指的是两个资源间在语义上的包含，逻辑关系是指同层级的两个资源之前存在“或”、“与”、或者“非”的关系。
S103：遍历所述DIKW图谱中各个所述资源之间连接路径，推导出所述用户意图相关的至少一个推导路径。
本发明实施例中，由于DIKW是根据目标用户的各个资源构建成的，在进行意图分析时，仅需识别该目标用户的用户意图，并遍历DIKW图谱中的各个资源及各个资源之间的连接路径，查找与该用户意图关联的至少一个推导路径。
例如，用户意图为“根据体检项目评判身体健康程度”，则通过该DIKW图谱，与体检项目相关联的各个资源以及各个资源之间的连接路径，从而获得该用户意图关联的推导路径。该推导路径具体如图2所示，该推导路径中包括心电图、B超、胸部X光、血常规、尿常规、白细胞计数、淋巴细胞计数、红细胞计数、肝功能、血糖及血脂等资源。
S104：对每个所述推导路径进行分析，获得每个所述推导路径的分析结果，各个所述分析结果为所述用户意图的识别结果。
本发明实施例中，对每个与该用户意图相关的推导路径进行分析，分析每个推导路径中能够满足该用户意图的相关结果，并把结果作为该用户意图的识别结果。
其中，根据上述S103的例子，在查找出与体检项目关联的推导路径后，根据该推导路径中的各个数据，推导出目标用户的健康程度。如，血糖的数据资源为mmol/L，则用户的血糖为5.0mmol/L为信息资源，血糖对应的知识资源为正常人空腹血糖值为3.9-6.0mmol/L，根据该推导路径则认为用户血糖在正常范围内。
本发明实施例提供的基于DIKW图谱的意图识别方法中，获取目标用户的用户意图以及各个资源，各个资源包括至少一个数据资源、至少一个信息资源和知识资源。基于各个资源，构建目标用户对应的DIKW图谱，并遍历该DIKW图谱中的各个资源之间的连接路径，推导出该用户意图相关的至少一个推导路径。对各个推导路径分析获得分析结果，该分析结果则为用户意图的识别结果。
需要说明的是，目标对象的各个资源可以是由目标对象根据自身状况上传的相关信息，或者是由第三方机构征得目标用户意见后上传的，例如，目标用户需要体检，目标用户的用户意图为根据体检项目判断身体健康情况，则体检机构将体检的各个信息进行上传作为该目标用户的资源。
应用本发明实施例提供的方法，通过数据、信息以及知识来实现对用户意图的分析，提高用户需求的确定性和精确性。
参考图3，本发明实施例提供的方法中，基于上述S102的内容，所述基于各个所述资源，构建所述目标用户对应的DIKW图谱，包括：
S301：以所述目标用户作为父节点，各个所述数据资源作为子节点，构建本体体系。
其中，所述本体体系中所述目标用户与各个所述数据资源之间存在继承结构关系，各个所述数据资源继承所述目标用户的属性。
具体的，如图4所示，以用户A为例，建立起个人数据的本体体系。以用户A为父节点，年龄、血压、齿数、速度、高血压、低血压、心率和运动速度等作为用户A的数据资源，即作为父节点的子节点。
可选的，数据的本体体系是采用面向对象结构的继承结构关系，这个关系是面向对象的父子包含关系，不同对象存在具体的包含关系，并且存在包含关系的对象之间同样存在一种继承性质、特征等的现象，也可将这个现象理解为面向对象的父子关系。
进一步地，所述以所述目标用户为各个所述数据资源作为子节点，构建本体体系，包括：
确定各个所述数据资源之间的包含关系；
基于各个所述数据资源之间的包含关系，将各个所述数据资源按照其所述包含关系进行连接，并分成多个层级，每个所述层级包含至少一个数据资源；
将最高的层级中的各个数据资源作为所述目标用户的子节点与所述目标用户进行连接，构成所述本体体系。
可以理解的是，如图4所示的实施例，高血压和低血压均属于血压，心率和运动速度均属于速度，即，高血压、低血压和血压之间存在包含关系，心率、运动速度和速度之间存在包含关系。将存在包含关系的各个数据资源进行连接，其连接的结构为树状结构。按照连接关系进行分层级，被包含的数据资源为其所属的数据资源的下一个层级，即当前层级的下一个层级中的各个数据资源为当前层级中的各个数据资源的子节点。对于最高层级的数据资源，将其作为目标用户的子节点与目标用户进行连接。
可选的，在构建本体体系过程中，可在各个数据资源之间连接的连线中标注资源之间的关系。
S302：确定与至少一个数据资源关联的意图，及各个所述意图之间的包含关系和/或逻辑关系，并基于各个所述意图之间的包含关系和/或逻辑关系，构建意图体系。
具体的，意图包含子意图、组成意图和包含意图，他们之间存在排除关系，多选一，多选二。进一步来说，意图的深层次内涵与价值相关。各个意图根据数据资源进行推导得出，一个或多个数据资源可以确定对应的，从而推导出与至少一个数据资源关联的意图，同时根据推导出各个意图之间的包含关系和/或逻辑关系。如图5所示，图5为一意图体系的结构图，其中，每个意图表示为一个节点，意图体系通过树形结构的层级表现形式清晰地表现出不同意图之间存在的关系，父节点表示语义覆盖范围、可解释范围较大的组成意图，其下方连接的子节点表示更加具体的子意图。父节点与子节点之间用不带箭头的直线或由子节点指向父节点的带箭头直线相连，箭头指向方向表示“Is_for”、“Is_get”或“Is_need”。
进一步地，在构建意图系统后，可以根据该本体体系及各个数据资源不断地对意图体系进行修正和细化。
S303：将各个所述数据资源与其相关联的意图结合，确定与每个所述数据资源相匹配的信息资源，及各个所述信息资源之间的包含关系和/或逻辑关系，并基于各个所述信息资源之间的包含关系和/或逻辑关系，构建逻辑体系。
本发明实施例中，信息资源有数据资源与人类的特定的意图所结合，多个意图可以与数据或信息相关，通过将目标数据与至少一个意图联系起来，实现从数据类型到信息类型的概念转换。信息的逻辑体系本质上是一种在信息之间连接和传递推导的逻辑关系模型方式。信息之间的关系包含与、或非关系这些基本的关联方式，也正是这些方式共同构成信息的网状结构的层级关系。
具体的，信息资源INFO＝数据资源Data+意图PUP，如图6所示，图中每个信息资源由数据和意图所结合。
进一步地，信息资源是具有实际意义的数据，已有的信息资源可以在本体体系的继承结构关系辅助下构建逻辑体系，该逻辑体系与本体体系在数据资源与信息资源之间的包含关系进行连接。
S304：对各个所述数据资源及信息资源进行结构化推导和演绎，获得多个知识实例。
本发明实施例中，知识实例为根据各个数据资源及信息资源进行推导和演绎获得一个知识规则。
S305：确定每个所述知识实例对应的知识资源，并基于各个所述知识实例，确定各个所述知识资源之间的包含关系和/或逻辑关系，并基于各个所述知识资源之间的包含关系和/或逻辑关系，构建元体系。
本发明实施例中，元体系参考面向对象的自下而上的建模方法，依据存在且完整的实例来构建元体系，不断地完善直到构建完整性的元体系，再依据完整性的元体系类比面向对象的自上而下的方法，删除修改实例，元体系具有传递类比关系，可以扩展推理。每个知识实例对应一个已有的知识资源，可根据不同知识资源中存在的包含关系和逻辑与或非关系构建出对应的元体系。
进一步地，所述基于各个所述知识实例，确定各个所述知识资源之间的包含关系和/或逻辑关系，包括：
基于各个所述知识资源，对各个所述知识实例进行扩展，每个已扩展的知识实例中增加与其关联的至少一个数据资源和信息资源；
基于各个所述已扩展的知识实例，确定各个所述知识资源之间的包含关系和/或逻辑关系。
其中，每个知识资源有数据资源和信息资源进行推导和演绎获得，因此，在确定知识资源的条件下，可以反向推导出包括当前已获取的各个数据资源和信息资源之外的其他数据资源和信息资源。通过反向推导获得的新的数据资源和信息资源，该知识实例进行扩展，并根据扩展知识实例确定各个知识资源之间的包含关系和/或逻辑关系，从而进一步构建元体系。
S306：基于所述本体体系、意图体系、逻辑体系及元体系，构成所述目标用户对应的DIKW图谱。
本发明实施例中，DIKW图谱使用目标用户的各个资源进行构建，该DIKW图谱中的本体体系、逻辑体系、元体系以及意图体系之间具有一定的关联关系。其中，由数据资源可以获知与其相关联的意图，由数据资源结合意图可以确定对应的信息资源，信息资源和数据资源可以推导出知识资源。当需要识别目标用户的用户意图时，仅需要通过该DIKW图谱推导出该用户意图对应的推导路径进行分析即可。
本发明实施例提供的基于DIKW图谱的意图识别方法中，先通过各个数据资源构建该目标用户对应的本体体系，再确定与至少一个数据资源关联的意图，从而确定各个意图之间的包含关系和/或逻辑关系，并将数据资源与意图结合确定信息资源，及各个信息资源之间包含关系和/或逻辑关系，构建出逻辑体系。最后，结合数据资源和信息资源，推导出相关的知识资源，并确定各个知识资源之间的包含关系和/或逻辑关系，从而构建出元体系。结合本体体系、意图体系、信息体系和元体系获得最终的DIKW图谱。
需要说明的是，本实施例中确定的每个信息资源除了每个资源中的信息资源之外，还可以是通过数据资源和意图推导出的进一步扩展和细化的信息资源。本实施例中的，通过数据资源和信息资源推导出的各个知识资源可以是各个资源中的知识资源之外，还可以是进一步扩展和细化的知识资源。
需要说明的是，由DIKW图谱可以实现对用户的多个用户意图的识别。结合上述实施例提供的内容，该DIKW图谱有以下具体实施方式：
在第一实施例中，如图7所示，一位65岁退休的奶奶，热爱跳广场舞、生活规律，身体素质很好；相反，如图8所示，25岁的在职程序员，身体状态亚健康。我们认为65岁健康的奶奶是符合注射疫苗的条件，而25岁亚健康的程序员是不太接种疫苗。其中，Data为数据，PUP为意图，INFO为信息。
再例如，用户A五次法考的成绩依次是(20，40，60，80，100)经过DIKW图谱分析得该用户是有潜力的，用户B五次法考成绩是(40，45，50，55，60)经过DIKW图谱分析得该用户虽然通过了法考，但是不推荐用人单位录用。
进一步地，在构建DIKW图谱后，基于上述S104的内容，所述对每个所述推导路径进行分析，获得每个所述推导路径的分析结果，包括：
获取所述目标用户对应的所述用户意图关联的用户信息，及所述用户信息中的各个信息参数；
构建各个所述推导路径对应的推导公式；
将各个所述信息参数输入至所述推导公式中，获得所述推导公式输出的分析结果。
可以理解的是，用户信息的获取根据用户意图决定，例如，若用户意图为确定用户当前健康状态，则该用户信息中的各个信息参数可以是用户年龄、用户运行情况、饮食情况以及睡眠情况等；若用户意图为确定用户当前求职被录用可能性时，则该用户信息中的各个信息参数可以是用户年龄、考试成绩、面试成绩以及工作状况等。在推导出用户意图对应的各个推导路径有，根据推导路径的实际路径信息构建各个推导路径对应的推导公式。将各个信息参数输入该推导公式中，获得分析结果。
在第二实施例中，由DIKW图谱可以实现对用户的多个用户意图的识别，结合上述实施例提供的内容，该结合推导公式以及DIKW图谱有以下具体实施方式：
61岁的第一个目标用户每日跑步2km，身体健康；16岁第二个目标用户B对蛋白质过敏。两个目标用户的用户意图都是根据身体状况确定是否能够接种疫苗。根据第一目标用户的运动情况等资源构建第一目标用户对应的第一DIKW图谱，根据第二目标用户的过敏情况等资源构建第二目标用户对应的第二DIKW图谱。结合第一DIKW图谱推导第一目标用户的识别结果有以下表达方式：
DDIK＝{EA(INS(TPRESON)),E61(INS(TAGE))}
IDIK＝<RRun{E2KM(INS(Tdistance)),Emorning(INS(Ttime)},Psure(FOR(Thealth))>
→IDIK＝<EA(INS(TPRESON)),Psure(FOR(Tvaccine))
其中，DDIK为数据资源，IDIK为信息资源，P为意图，E为实体，INS表征的含义为“是”，T为属性，E角标是对应属性值，EA(INS(TPRESON)表示A是一个人，Psure(FOR(Thealth))表示意图为确保健康。如图9所示，图9为上述表达式的图例。
结合第二DIKW图谱推导第二目标用户的识别结果有以下表达方式：
IDIK＝{EB(INS(TPRESON)),E16(INS(TAGE))),Eprotein(INS(Tmatter)),Psensitive(FOR
(Tprotein))}
IDIK＝{Evaccine(INS(Tmedicine)),Eprotein(INS(Tmatter),Psure(HAVE(Tprotein))}
KDIK＝Rcannot(TB,Eprotein(INS(Tthing)))
→IDIK＝<EB(INS(TPRESON)),Pnot(FOR(Tvaccine))
其中，KDIK为知识资源，R表示关系，Rcannot(TB,Eprotein(INS(Tthing)))表示B与含有蛋白质的事物的关系是不能接触。如图10所示，图10为上述表达式的图例。
通过上述推导过程可知，第一目标用户是符合注射疫苗的条件，而第二目标用户是不太适合接种疫苗。
我们期望更直观的结果以适当的形式出现，例如数据、信息、知识和智慧的适当不精确性、适当不正确性、适当不确定性，而不是过分精确、正确性和确定性推理和计算的能量消耗，以及等待时间，使得高效智能识别。
在第三实施例中，非常健康的人群注射浓度较高，可能的不良反应为发烧；亚健康人群注射浓度适中，可能的不良反应为头晕；基本符合条件人群注射浓度低，可能的不良反应为局部疼痛一天。疫苗浓度和抵抗病毒的时间成正比，即浓度越高，抵抗病毒时间越长，反之亦然。因此，当61岁的第一目标用户饮食规律、热爱运动以及精神舒畅时，如图11所示，图11为根据DIKW图谱推导第一目标用户可接种的疫苗浓度的推导过程，通过意图的不断迭代、逐步细化，得出的信息也逐渐清晰。在与第一目标用户同等身体状况下其他用户，用户的年龄也受到疫苗浓度的影响如图12所述，图12中结合知识资源“年龄越高的不良反应接受度越低”，进一步分析饮食规律、热爱运动以及精神舒畅的25岁用户注射疫苗浓度的DIKW图谱过程，其中，在图12中利用信息和信息之间的比对分析的得到更加清晰的信息，如图13所示，图13为信息和信息之间的比对。
例如，图14所示，图14为利用数据资源和意图结合，获得信息资源的过程。
可以理解的是，通过目标用户自身的各个资源，构建目标用户对应的本体体系、逻辑体系、元体系和意图体系，从而获得DIKW图谱。当需要识别目标用户的用户意图时，分别从数据、信息和知识层面分析，确定该DIKW图片中相关的资源，进一步推导出用户意图相关的推导路径。
可选的，通过各个推导路径，构建与用户意图相关的树形结构关系，从而可以直观进行分析。该DIKW图谱仅用于分析目标用户的用户意图，当需要识别目标用户的某个意图时，可以在当前已构建的DIKW图谱的基础上进行完善和信息的融合。由此可知，通过目标用户对应的DIKW图谱对目标用户的用户意图进行分析，并不局限于大数据对用户的判断，而是结合用户自身实际的各个情况确定用户的需求，提高对用户需求判断的确定性和精确性。
上述各个实施例的具体实施过程及其衍生方式，均在本发明的保护范围之内。
与图1所述的方法相对应，本发明实施例还提供了一种基于DIK图谱的意图识别装置，用于对图1中方法的具体实现，本发明实施例提供的基于DIK图谱的意图识别装置可以应用计算机终端或各种移动设备中，其结构示意图如图15所示，具体包括：
获取单元1001，用于获取目标用户的用户意图及各个资源，每个所述资源包括数据资源、信息资源以及知识资源，所述用户意图为目标用户需要获取目标信息的意图；
构建单元1002，用于基于各个所述资源，构建所述目标用户对应的DIKW图谱，所述DIKW图谱包含各个所述资源，各个所述资源之间存在包含关系和/或逻辑关系，所述DIKW图谱中的各个所述资源基于所述包含关系及所述逻辑关系相互连接；
推导单元1003，用于遍历所述DIKW图谱中各个所述资源之间连接路径，推导出所述用户意图相关的至少一个推导路径；
分析单元1004，用于对每个所述推导路径进行分析，获得每个所述推导路径的分析结果，各个所述分析结果为所述用户意图的识别结果。
本发明实施例提供的基于DIKW图谱的意图识别装置中，获取目标用户的用户意图以及各个资源，各个资源包括至少一个数据资源、至少一个信息资源和知识资源。基于各个资源，构建目标用户对应的DIKW图谱，并遍历该DIKW图谱中的各个资源及各个资源之间的连接路径，推导出该用户意图相关的至少一个推导路径。对各个推导路径分析获得分析结果，该分析结果则为用户意图的识别结果。
应用本发明实施例提供的装置，通过数据、信息以及知识来实现对用户意图的分析，提高用户需求的确定性和精确性。
本发明实施例提供的装置中，所述构建单元1002，包括：
第一构建子单元，用于以所述目标用户作为父节点，各个所述数据资源作为子节点，构建本体体系，所述本体体系中所述目标用户与各个所述数据资源之间存在继承结构关系，各个所述数据资源继承所述目标用户的属性；
第二构建子单元，用于确定至少与一个数据资源关联的意图，及各个所述意图之间的包含关系和/或逻辑关系，并基于各个所述意图之间的包含关系和/或逻辑关系，构建意图体系；
第三构建子单元，用于将各个所述数据资源与其相关联的意图结合，确定与每个所述数据资源相匹配的信息资源，及各个所述信息资源之间的包含关系和/或逻辑关系，并基于各个所述信息资源之间的包含关系和/或逻辑关系，构建逻辑体系；
推导子单元，用于对各个所述数据资源及信息资源进行结构化推导和演绎，获得多个知识实例；
第四构建子单元，用于确定每个所述知识实例对应的知识资源，并基于各个所述知识实例，确定各个所述知识资源之间的包含关系和/或逻辑关系，并基于各个所述知识资源之间的包含关系和/或逻辑关系，构建元体系；
第五构建子单元，用于基于所述本体体系、意图体系、逻辑体系及元体系，构成所述目标用户对应的DIKW图谱。
本发明实施例提供的装置中，所述第一构建子单元，包括：
第一确定子单元，用于确定各个所述数据资源之间的包含关系；
第一连接子单元，用于基于各个所述数据资源之间的包含关系，将各个所述数据资源按照其所述包含关系进行连接，并分成多个层级，每个所述层级包含至少一个数据资源；
第二连接子单元，用于将最高的层级中的各个数据资源作为所述目标用户的子节点与所述目标用户进行连接，构成所述本体体系。
本发明实施例提供的装置中，所述第四构建子单元，包括：
扩展子单元，用于基于各个所述知识资源，对各个所述知识实例进行扩展，每个已扩展的知识实例中增加与其关联的至少一个数据资源和信息资源；
第二确定子单元，用于基于各个所述已扩展的知识实例，确定各个所述知识资源之间的包含关系和/或逻辑关系。
本发明实施例提供的装置中，所述分析单元1004，包括：
获取子单元，用于获取所述目标用户对应的所述用户意图关联的用户信息，及所述用户信息中的各个信息参数；
第六构建子单元，用于构建各个所述推导路径对应的推导公式；
推导子单元，用于将各个所述信息参数输入至所述推导公式中，获得所述推导公式输出的分析结果。
以上本发明实施例公开的基于DIK图谱的意图识别装置中各个单元及子单元的具体工作过程，可参见本发明上述实施例公开的基于DIK图谱的意图识别方法中的对应内容，这里不再进行赘述。
本发明实施例还提供了一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行上述基于DIK图谱的意图识别方法。
本发明实施例还提供了一种电子设备，其结构示意图如图16所示，具体包括存储器1101，以及一个或者一个以上的指令1102，其中一个或者一个以上指令1102存储于存储器1101中，且经配置以由一个或者一个以上处理器1103执行所述一个或者一个以上指令1102进行以下操作：
获取目标用户的用户意图及各个资源，每个所述资源包括数据资源、信息资源以及知识资源，所述用户意图为目标用户需要获取目标信息的意图；
基于各个所述资源，构建所述目标用户对应的DIKW图谱，所述DIKW图谱包含各个所述资源，各个所述资源之间存在包含关系和/或逻辑关系，所述DIKW图谱中的各个所述资源基于所述包含关系和/或所述逻辑关系相互连接；
遍历所述DIKW图谱中各个所述资源之间连接路径，推导出所述用户意图相关的至少一个推导路径；
对每个所述推导路径进行分析，获得每个所述推导路径的分析结果，各个所述分析结果为所述用户意图的识别结果。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现。
为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于DIKW图谱的意图识别方法，其特征在于，包括：
获取目标用户的用户意图及各个资源，每个所述资源包括数据资源、信息资源以及知识资源，所述用户意图为目标用户需要获取目标信息的意图；
基于各个所述资源，构建所述目标用户对应的DIKW图谱，所述DIKW图谱包含各个所述资源，各个所述资源之间存在包含关系和/或逻辑关系，所述DIKW图谱中的各个所述资源基于所述包含关系和/或所述逻辑关系相互连接；
遍历所述DIKW图谱中各个所述资源之间连接路径，推导出所述用户意图相关的至少一个推导路径；
对每个所述推导路径进行分析，获得每个所述推导路径的分析结果，各个所述分析结果为所述用户意图的识别结果。
2.根据权利要求1所述的方法，其特征在于，所述基于各个所述资源，构建所述目标用户对应的DIKW图谱，包括：
以所述目标用户作为父节点，各个所述数据资源作为子节点，构建本体体系，所述本体体系中所述目标用户与各个所述数据资源之间存在继承结构关系，各个所述数据资源继承所述目标用户的属性；
确定至少与一个数据资源关联的意图，及各个所述意图之间的包含关系和/或逻辑关系，并基于各个所述意图之间的包含关系和/或逻辑关系，构建意图体系；
将各个所述数据资源与其相关联的意图结合，确定与每个所述数据资源相匹配的信息资源，及各个所述信息资源之间的包含关系和/或逻辑关系，并基于各个所述信息资源之间的包含关系和/或逻辑关系，构建逻辑体系；
对各个所述数据资源及信息资源进行结构化推导和演绎，获得多个知识实例；
确定每个所述知识实例对应的知识资源，并基于各个所述知识实例，确定各个所述知识资源之间的包含关系和/或逻辑关系，并基于各个所述知识资源之间的包含关系和/或逻辑关系，构建元体系；
基于所述本体体系、意图体系、逻辑体系及元体系，构成所述目标用户对应的DIKW图谱。
3.根据权利要求2所述的方法，其特征在于，所述以所述目标用户为各个所述数据资源作为子节点，构建本体体系，包括：
确定各个所述数据资源之间的包含关系；
基于各个所述数据资源之间的包含关系，将各个所述数据资源按照其所述包含关系进行连接，并分成多个层级，每个所述层级包含至少一个数据资源；
将最高的层级中的各个数据资源作为所述目标用户的子节点与所述目标用户进行连接，构成所述本体体系。
4.根据权利要求2所述的方法，其特征在于，所述基于各个所述知识实例，确定各个所述知识资源之间的包含关系和/或逻辑关系，包括：
基于各个所述知识资源，对各个所述知识实例进行扩展，每个已扩展的知识实例中增加与其关联的至少一个数据资源和信息资源；
基于各个所述已扩展的知识实例，确定各个所述知识资源之间的包含关系和/或逻辑关系。
5.根据权利要求1所述的方法，其特征在于，所述对每个所述推导路径进行分析，获得每个所述推导路径的分析结果，包括：
获取所述目标用户对应的所述用户意图关联的用户信息，及所述用户信息中的各个信息参数；
构建各个所述推导路径对应的推导公式；
将各个所述信息参数输入至所述推导公式中，获得所述推导公式输出的分析结果。
6.一种基于DIKW图谱的意图识别装置，其特征在于，包括：
获取单元，用于获取目标用户的用户意图及各个资源，每个所述资源包括数据资源、信息资源以及知识资源，所述用户意图为目标用户需要获取目标信息的意图；
构建单元，用于基于各个所述资源，构建所述目标用户对应的DIKW图谱，所述DIKW图谱包含各个所述资源，各个所述资源之间存在包含关系和/或逻辑关系，所述DIKW图谱中的各个所述资源基于所述包含关系及所述逻辑关系相互连接；
推导单元，用于遍历所述DIKW图谱中各个所述资源之间连接路径，推导出所述用户意图相关的至少一个推导路径；
分析单元，用于对每个所述推导路径进行分析，获得每个所述推导路径的分析结果，各个所述分析结果为所述用户意图的识别结果。
7.根据权利要求6所述的装置，其特征在于，所述构建单元，包括：
第一构建子单元，用于以所述目标用户作为父节点，各个所述数据资源作为子节点，构建本体体系，所述本体体系中所述目标用户与各个所述数据资源之间存在继承结构关系，各个所述数据资源继承所述目标用户的属性；
第二构建子单元，用于确定至少与一个数据资源关联的意图，及各个所述意图之间的包含关系和/或逻辑关系，并基于各个所述意图之间的包含关系和/或逻辑关系，构建意图体系；
第三构建子单元，用于将各个所述数据资源与其相关联的意图结合，确定与每个所述数据资源相匹配的信息资源，及各个所述信息资源之间的包含关系和/或逻辑关系，并基于各个所述信息资源之间的包含关系和/或逻辑关系，构建逻辑体系；
推导子单元，用于对各个所述数据资源及信息资源进行结构化推导和演绎，获得多个知识实例；
第四构建子单元，用于确定每个所述知识实例对应的知识资源，并基于各个所述知识实例，确定各个所述知识资源之间的包含关系和/或逻辑关系，并基于各个所述知识资源之间的包含关系和/或逻辑关系，构建元体系；
第五构建子单元，用于基于所述本体体系、意图体系、逻辑体系及元体系，构成所述目标用户对应的DIKW图谱。
8.根据权利要求7所述的装置，其特征在于，所述第一构建子单元，包括：
第一确定子单元，用于确定各个所述数据资源之间的包含关系；
第一连接子单元，用于基于各个所述数据资源之间的包含关系，将各个所述数据资源按照其所述包含关系进行连接，并分成多个层级，每个所述层级包含至少一个数据资源；
第二连接子单元，用于将最高的层级中的各个数据资源作为所述目标用户的子节点与所述目标用户进行连接，构成所述本体体系。
9.根据权利要求7所述的装置，其特征在于，所述第四构建子单元，包括：
扩展子单元，用于基于各个所述知识资源，对各个所述知识实例进行扩展，每个已扩展的知识实例中增加与其关联的至少一个数据资源和信息资源；
第二确定子单元，用于基于各个所述已扩展的知识实例，确定各个所述知识资源之间的包含关系和/或逻辑关系。
10.根据权利要求6所述的装置，其特征在于，所述分析单元，包括：
获取子单元，用于获取所述目标用户对应的所述用户意图关联的用户信息，及所述用户信息中的各个信息参数；
第六构建子单元，用于构建各个所述推导路径对应的推导公式；
推导子单元，用于将各个所述信息参数输入至所述推导公式中，获得所述推导公式输出的分析结果。
CN202110908743.9A 2021-08-09 2021-08-09 基于dikw图谱的意图识别方法及装置 Active CN113609281B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110908743.9A CN113609281B (zh) 2021-08-09 2021-08-09 基于dikw图谱的意图识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110908743.9A CN113609281B (zh) 2021-08-09 2021-08-09 基于dikw图谱的意图识别方法及装置

Publications (2)

Publication Number Publication Date
CN113609281A true CN113609281A (zh) 2021-11-05
CN113609281B CN113609281B (zh) 2024-08-02

Family

ID=78307702

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110908743.9A Active CN113609281B (zh) 2021-08-09 2021-08-09 基于dikw图谱的意图识别方法及装置

Country Status (1)

Country Link
CN (1) CN113609281B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114359668A (zh) * 2021-12-31 2022-04-15 海南大学 跨dikw模态的混合特征机器学习建模与标记方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150006441A1 (en) * 2012-03-19 2015-01-01 Kabushiki Kaisha Toshiba Service control apparatus, service control method and computer readable medium
US20150074036A1 (en) * 2013-09-12 2015-03-12 Agt International Gmbh Knowledge management system
CN109474658A (zh) * 2017-09-07 2019-03-15 三星电子株式会社 用外部设备支持任务运行的电子设备、服务器和记录介质
CN110263180A (zh) * 2019-06-13 2019-09-20 北京百度网讯科技有限公司 意图知识图谱生成方法、意图识别方法及装置
CN111858960A (zh) * 2020-07-23 2020-10-30 海南大学 面向本质计算的跨dikw图谱的虚拟社区资源处理方法及组件
CN112307974A (zh) * 2020-10-31 2021-02-02 海南大学 跨数据信息知识模态的用户行为内容编解码方法
CN112309521A (zh) * 2020-10-31 2021-02-02 海南大学 面向本质计算的跨模态用户医疗数据分析方法
CN112380359A (zh) * 2021-01-18 2021-02-19 平安科技（深圳）有限公司 基于知识图谱的培训资源分配方法、装置、设备及介质
CN112925921A (zh) * 2021-04-21 2021-06-08 海南大学 基于dikw图谱的资源识别方法、相关装置及可读介质
CN112949321A (zh) * 2021-04-21 2021-06-11 海南大学 面向意图计算与推理的dikw模型构建方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150006441A1 (en) * 2012-03-19 2015-01-01 Kabushiki Kaisha Toshiba Service control apparatus, service control method and computer readable medium
US20150074036A1 (en) * 2013-09-12 2015-03-12 Agt International Gmbh Knowledge management system
CN109474658A (zh) * 2017-09-07 2019-03-15 三星电子株式会社 用外部设备支持任务运行的电子设备、服务器和记录介质
CN110263180A (zh) * 2019-06-13 2019-09-20 北京百度网讯科技有限公司 意图知识图谱生成方法、意图识别方法及装置
CN111858960A (zh) * 2020-07-23 2020-10-30 海南大学 面向本质计算的跨dikw图谱的虚拟社区资源处理方法及组件
CN112307974A (zh) * 2020-10-31 2021-02-02 海南大学 跨数据信息知识模态的用户行为内容编解码方法
CN112309521A (zh) * 2020-10-31 2021-02-02 海南大学 面向本质计算的跨模态用户医疗数据分析方法
CN112380359A (zh) * 2021-01-18 2021-02-19 平安科技（深圳）有限公司 基于知识图谱的培训资源分配方法、装置、设备及介质
CN112925921A (zh) * 2021-04-21 2021-06-08 海南大学 基于dikw图谱的资源识别方法、相关装置及可读介质
CN112949321A (zh) * 2021-04-21 2021-06-11 海南大学 面向意图计算与推理的dikw模型构建方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114359668A (zh) * 2021-12-31 2022-04-15 海南大学 跨dikw模态的混合特征机器学习建模与标记方法

Also Published As

Publication number Publication date
CN113609281B (zh) 2024-08-02

Similar Documents

Publication Publication Date Title
Peláez-Aguilera et al. Fuzzy linguistic protoforms to summarize heart rate streams of patients with ischemic heart disease
Batet et al. An information theoretic approach to improve semantic similarity assessments across multiple ontologies
CN113362931B (zh) 基于知识图谱的归因分析方法、装置和系统
Fu et al. Expert representation of design repository space: A comparison to and validation of algorithmic output
Martínez-Romero et al. BiOSS: A system for biomedical ontology selection
CN104933296A (zh) 一种基于多维数据融合的大数据处理方法和设备
CN113609281B (zh) 基于dikw图谱的意图识别方法及装置
De Maio et al. Making sense of cloud-sensor data streams via fuzzy cognitive maps and temporal fuzzy concept analysis
Guo et al. Purpose Driven DIKW Modeling and Analysis of Meteorology and Depression
Demrozi et al. A comprehensive review of automated data annotation techniques in human activity recognition
Sarkar Methods in biomedical informatics: a pragmatic approach
Hezarjaribi et al. Human-in-the-loop learning for personalized diet monitoring from unstructured mobile data
Xu et al. Interdisciplinary scholarly communication: An exploratory study for the field of joint attention
CN116110594A (zh) 基于关联文献的医学知识图谱的知识评价方法及系统
Bo et al. Health data analysis based on multi-calculation of big data during COVID-19 pandemic
Burney et al. Advances in fuzzy rough set theory for temporal databases
Kuo et al. Mining surprising patterns and their explanations in clinical data
Huang et al. Extracting clinical-event-packages from billing data for clinical pathway mining
Shi et al. Transfer significant subgraphs across graph databases
Burney et al. Application of fuzzy rough temporal approach in patient data management (frt-pdm)
Aliferis et al. Representing and developing temporally abstracted knowledge as a means towards facilitating time modeling in medical decision-support systems
Liu et al. Daily unbalanced action recognition based on active learning
Zaveri Use of big-data in healthcare and lifescience using hadoop technologies
Ma et al. Learning resource recommendation via knowledge graphs and learning style clustering
Wang Breakthroughs in software science and computational intelligence

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant